国产91青青成人a在线/在线视频成人/aaa成人永久在线观看视频/深夜草莓视频app

本書系統介紹和詮釋了將人工智能技術應用于工程問題的最新成功方法。人工智能正越來越多地應用于制造業，并以新的方式創造產品，這為我們理解世界的方式提供了更多見解。本書通過借鑒領先研究人員成功開發的方法，闡釋了人工智能技術應用在制造業中的優勢。
　　本書討論了在制造業中廣泛實施人工智能技術所面臨的挑戰，并提供了詳細技術指南。為了應對跨學科挑戰，本書借鑒了計算機科學、物理學和一系列工程學科的研究成果，為制造業的升級引入了新的思維方式。

人工智能于制造業應用的前沿著作：
2024年同步美國出版；
全彩印刷，豐富示意圖，更易理解；
美國國家工程院院士 麻省理工學院教授領銜編著； 　　
中國工程院院士 秦山核電（二期）工程總設計師　　 葉奇蓁　　
中國工程院院士 中國探月工程（四期）總設計師　　 于登云 作序推薦；
核能與航天領域一線專家精心編譯。

本書對從事制造業的工程師、管理人員和咨詢師，以及在高等教育機構和國家實驗室從事制造領域研究的博士后、博士研究生和其他研究人員皆具有參考價值。本書是了解制造領域中人工智能概念和方法進展的重要參考資料。

前言
近年來的研究與開發積極推動了人工智能（AI）在制造業應用方面的顯著進步。本書闡述了這些技術進步，并展示了制造業如何從中獲益。書中匯總了該領域內領先學術機構和工業集團的研究成果，并系統地介紹了AI工具和方法。本書全面涵蓋了AI的基本概念和方法論，并由姊妹篇《人工智能與智能制造：應用與案例》作為補充，該書專注于AI概念和方法在制造業中的最前沿應用。
第1章　機器學習方法，介紹了機器學習（machine learning，ML）的基本方法。本章從不同角度審視現有的機器學習方法，對其進行了梳理，并探討了每種方法的優缺點及其未來發展趨勢。
第2章　從數據中學習第一性原理知識，詳細描述了如何從過程數據中提取第一性原理知識的方法。本章從機器學習的視角出發，介紹了理解這些學習方法所需的線性與非線性回歸的概念和技術。此外，還對學習第一性原理知識的方法進行了闡述，同時將其與文獻中常見的不嘗試學習第一性原理的替代方法進行了比較分析。章節最后討論了學習第一性原理知識的方法與自動化機器學習方法之間的聯系。
第3章　卷積神經網絡：基本概念及其在制造業中的應用，深入討論了卷積神經網絡（CNN）的基本理念，并概述了其在制造業中的應用場景。本章詳細說明了如何利用張量和圖靈活表示制造業中常遇到的各類數據對象。本章還探討了卷積神經網絡如何通過卷積運算提取信息特征（如幾何圖案與紋理），用來預測新出現的屬性和現象，或者用于識別異常情況。這些理念通過案例研究加以闡釋。
第4章　稀疏數學規劃及其在控制方程基礎學習中的應用，探討了物理化學控制方程，這些方程是描述動態系統行為的根本數學表達式。本章介紹了機器學習在探索控制方程方面的最新進展，并與成熟的代理模型建立、系統識別和參數估計問題進行了對比分析。本章還討論了該研究領域內當前及未來重要的研究方向。
第5章　數據驅動的優化算法，強調并闡釋開發快速且高效的數據驅動算法對數學優化的重要性。本章從早期的直接搜索算法講起，逐步過渡到基于模型的方法，以及最新算法的發展，旨在處理包括混合整數非線性優化在內的多類問題。這些技術的使用在文中得到了廣泛演示。
第6章　機器學習在（生物）化學制造系統控制中的應用，探討了將機器學習與控制技術相結合，以確保化學及生物化學過程操作的安全性及改進的方法。本章詳細概述了用于控制的學習模型以及學習控制組件的方法。本章提供了一個系統性的、概括性的視角，以及在控制結構中應用機器學習技術的指導方針。
第7章　從數據中學習第一性原理系統知識：穩定性與安全性及其在示范學習中的應用，介紹了兩種從數據中對動態系統模型進行約束學習的方法，并探討了這些方法在制造業機器人模仿學習背景下的應用。本章詳細描述了模仿學習領域，并討論了該領域面臨的重要問題。同時，本章深入剖析了該領域的最新進展，并探討了未來充滿希望的研究方向。
第8章　人工智能在材料損傷診斷和預測中的應用，綜述了在探究材料損傷方面所采用的人工智能方法。本章提供了一個視角，展示了制造業如何在從材料認證各階段應用人工智能的進步中受益，涉及的應用包括預處理、制造過程、成品狀態及后處理階段，旨在確保生產出具有預期或至少是合格的最終性能、屬性和行為的制造部件。
第9章　人工智能在機械加工過程監控中的應用，介紹了機械加工過程監控智能化的最新進展。本章探討了如何利用人工智能模型和機械加工技術在生產力、質量、成本及機床車間與更廣泛制造業的可持續性措施之間實現平衡。本章詳細描述了在加工過程監控中使用的各種人工智能模型和技術，以及它們的算法原理和近期案例研究。
本書對從事制造業的工程師、管理人員和咨詢師，以及在高等教育機構和國家實驗室從事制造領域研究的博士后、博士研究生和其他研究人員皆具有參考價值。本書是尋找制造領域中人工智能概念和方法進展的重要參考資料。

馬蘇德·索魯什 （Masoud Soroush）博士，德雷克塞爾大學化學工程系教授，IEEE高級會員。主要從事制造業、納米材料、聚合物和能源系統等多領域研究，曾獲多項國家學術榮譽。

理查德·D.布拉茨（Richard D. Braatz）博士，美國國家工程院院士，麻省理工學院Edwin R. Gilliland教授，主要從事先進制造系統的數據分析、設計及控制等相關研究。

序一
序二
前言
第1章　機器學習方法 1
1.1　引言 1
1.2　學習模型的全局視角 2
1.3　學習技術的分類 8
1.4　機器學習方法 14
1.5　結論 23
致謝 24
參考文獻 24
第2章　從數據中學習第一性原理知識 29
2.1　引言 29
2.2　分析制造業數據的方法 30
2.3　模型選擇與超參數搜索的自動化 41
2.4　結論 44
參考文獻 45
第3章　卷積神經網絡：基本概念及其在制造業中的應用 48
3.1　引言 48
3.2　數據對象與數學表征 50
3.3　卷積神經網絡架構 54
3.4　案例研究 59
3.5　結論 74
致謝 75
參考文獻 75
第4章　稀疏數學規劃及其在控制方程基礎學習中的應用 81
4.1　引言 81
4.2　問題定義 82
4.3　物理信息化機器學習 85
4.4　基于回歸的方法 88
4.5　基于數學規劃的技術 92
4.6　滾動時域在間歇化學過程的應用實例 97
4.7　結論 102
參考文獻 102
第5章　數據驅動的優化算法 105
5.1　引言 105
5.2　數據驅動的優化算法途徑 106
5.3　應用于大規模制造系統的數據驅動的優化算法 116
5.4　針對其他問題類別的擴展 117
5.5　備注 126
5.6　結論 127
參考文獻 127
第6章　機器學習在（生物）化學制造系統控制中的應用 144
6.1　引言 144
6.2　（生物）化學過程 146
6.3　ML-Oracle與機器學習方法概述 153
6.4　機器學習支持的建模在監督和控制中的應用 164
6.5　通過機器學習實現控制 172
6.6　結論 178
參考文獻 180
第7章　從數據中學習第一性原理系統知識：穩定性與安全性及其在示范學習中的應用 192
7.1　引言 192
7.2　使用動態系統原語學習機器人運動 197
7.3　結論 206
致謝 208
參考文獻 208
第8章　人工智能在材料損傷診斷和預測中的應用 212
8.1　引言 212
8.2　人工智能方法在材料損傷診斷和預測中的應用 215
8.3　人工智能方法在損傷診斷和預測領域的挑戰與機遇 235
8.4　結論 236
參考文獻 237
第9章　人工智能在機械加工過程監控中的應用 245
9.1　引言 245
9.2　數據采集系統 248
9.3　特征工程與機器學習 251
9.4　信號分解方法 264
9.5　深度學習 266
9.6　遷移學習 270
9.7　結論 273
致謝 273
參考文獻 274